smart_ide/services/chandra

Chandra OCR (amont)

Chandra OCR 2 convertit images et PDF en Markdown, HTML ou JSON en conservant la mise en page (tableaux, formulaires, écriture manuscrite, math). Code sous Apache-2.0 ; les poids du modèle suivent une licence dédiée (MODEL_LICENSE dans upstream/) — voir le dépôt amont.

Ce répertoire services/chandra/ contient :

• upstream/ : sous-module Git vers datalab-to/chandra.
• run-chandra.sh : lance la CLI chandra depuis l’environnement installé dans upstream/ (uv ou .venv).
• .env.example : variables usuelles (vLLM, modèle) ; l’amont charge aussi local.env dans upstream/ (non versionné).

Installation (une fois par poste)

Depuis les sources du sous-module (recommandé ici) :

cd services/chandra/upstream
uv sync
# optionnel : modèle local Hugging Face (lourd)
# uv sync --extra hf

Sans uv : créer un venv, puis pip install -e ".[hf]" ou pip install -e . selon le mode d’inférence (voir README amont).

Inférence vLLM (léger côté client si le serveur tourne ailleurs) : démarrer le serveur comme documenté amont (chandra_vllm après install du paquet).

Usage

cd services/chandra
./run-chandra.sh input.pdf ./output --method vllm
# ou --method hf si dépendances HF installées

Options CLI (--page-range, --max-workers, etc.) : même interface que la commande chandra amont.

Rôle dans smart_ide

• OCR / numérisation structurée pour pipelines documentaires, en amont de PageIndex (PageIndex) ou d’AnythingLLM / docv.
• Pas de service HTTP dans ce dépôt : exécution CLI (comme services/pageindex/).

Documentation : docs/repo/service-chandra.md, docs/features/chandra-ocr-documents.md.

Ressources amont

• Dépôt : datalab-to/chandra
• Paquet PyPI : chandra-ocr (alternative à l’installation depuis upstream/)